Le cours Robust Methods for Machine Learning est un cours du M2 MIASHS dédié à l'étude de l'impact des attaques adverses sur les systèmes de machine learning. Ce problème est très étudié en ce moment, étant donnés les dangers multiples du déploiement des systèmes de Machine Learning dans tous les activités industrielles et institutionnelles de notre société.
Un tutorial vidéo très pertinent et technique est celui donné par deux experts mondialement reconnus, A. Madry J. V. Kolter, à la conférence NeurIPS en 2018.
Un site dédié avec les codes python est ici
Les slides sont ici: Slides parties 1, Slides parties 2 et 3 et Slides partie 4.
Des codes sur Colab sont proposés ici :
Un survol des méthodes pour la détection d'outliers est ici.
Projets sur les données manquantes :
Refaire tourner les codes présentés ici: Introduction par Julie Josse et les implémenter avec d'autres jeux de données de votre choix.
Refaire tourner le code présenté ici: Matrix Completion et l'implémenter avec d'autres jeux de données de votre choix.
Projets sur la robustesse :
Refaire tourner les codes proposés ici : tutorial on Adversarial Robustness et les implémenter avec d'autres jeux de données de votre choix.